《机器学习实战》第二章 k-近邻算法
2017-04-23 16:27
204 查看
概述
k-近邻算法（kNN）采用测量不同特征值之间的距离进行分类优点：精度高、异常值不敏感。缺点：计算复杂度高、空间复杂度高。适用范围：数值型和标称型
工作原理：新数据与样本数据的特征进行比较，提取出最相似（距离最近的k个数据）的数据所对应的分类标签，选择k个最相似数据中出现最多的分类。
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- [完]机器学习实战 第二章 k-近邻算法（k Nearest Neighbor）
- 《机器学习实战》第二章：k-近邻算法（3）手写数字识别
- 《机器学习实战》第二章——K-近邻算法
- 机器学习实战+第二章_k-近邻算法
- 《机器学习实战》第二章 2.2用k-近邻算法改进约会网站的配对效果
- 《机器学习实战》第二章：k-近邻算法（2）约会对象分类
- 《机器学习实战》读书笔记：第二章 k-近邻算法
- 《机器学习实战》第二章：k-近邻算法（1）简单KNN
- 第二章 k-近邻算法
- 【机器学习实战】第2章 K-近邻算法（KNN）
- 机器学习实战（第二篇）-k-近邻算法Python实现
- 《机器学习实战》k-近邻算法概述－程序清单详解kNN.py（未完待续）
- 《机器学习实战》课程笔记（第2章） k-近邻算法
- 机器学习实战-第二章（k-近邻算法）
- 读懂《机器学习实战》代码—K-近邻算法
- 从零单排《机器学习实战》（一）：k-近邻算法
- py2.7 : 《机器学习实战》 k-近邻算法 11.19 更新完毕
- 《机器学习实战》之k-近邻算法（改进约会网站的配对效果）
- 『机器学习实战』使用 k-近邻算法改进约会网站的配对效果
- 《机器学习实战》——k-近邻算法实现